Effet des signaux haptiques sur les autocorrélations à longue distance dans la variabilité de la marche dans la maladie de Parkinson

1. CONTEXTE La maladie de Parkinson (MP) est la deuxième maladie neurologique dégénérative la plus courante. La MP induit des troubles de la marche qui entraînent un risque accru de chutes. Ces chutes affectent gravement la qualité de vie des patients et génèrent des coûts de santé importants. Malheureusement, les troubles de la marche répondent mal aux traitements médicamenteux et leur prise en charge repose essentiellement sur des traitements de rééducation. L'approche de réadaptation comprend deux étapes : une évaluation fonctionnelle des capacités locomotrices suivie de la réalisation d'un programme d'exercices physiques thérapeutiques.

   Comme la fréquence cardiaque, la durée de la foulée varie à court et à long terme selon une dynamique complexe de variations temporelles. Ces variations présentent des autocorrélations à longue distance (LRA) : la durée de la foulée ne varie pas de manière aléatoire mais de manière structurée. L'étude de la LRA repose sur des méthodes mathématiques complexes nécessitant l'enregistrement d'au moins 256 cycles de marche consécutifs. Les LRA sont altérées chez les patients parkinsoniens dont le rythme de marche est excessivement aléatoire. L'altération de la LRA est corrélée aux atteintes neurologiques (échelle de Hoehn & Yahr et UPDRS) et à la stabilité locomotrice des patients (échelle ABC & BESTest). La mesure de la LRA serait le premier biomarqueur objectif et quantitatif disponible de stabilité et de risque de chute chez les patients atteints de MP.

   Les recommandations concernant les programmes de réadaptation pour les patients parkinsoniens sont basées sur l'éducation (prévention des chutes et de l'inactivité,...), les exercices physiques, l'entraînement fonctionnel (double tâche, tâches complexes,...), l'apprentissage et les stratégies d'adaptation telles que l'utilisation de repères sensoriels rythmiques. Les repères auditifs (AC) sont utilisés depuis des années à des fins cliniques et de recherche et leurs effets sur les paramètres spatio-temporels de la marche et l'ARS sont connus. On en sait moins sur le repérage haptique/somatosensoriel (HC). Quelques recherches ont été menées pour étudier l'influence de HC sur les paramètres spatio-temporels de la marche de la PD, mais à notre connaissance, aucune n'a encore abordé ses effets sur la LRA. Le but de cette étude était de comparer les paramètres saptio-temporels de la marche PD et l'ARL dans trois conditions : marche sans repère, marche avec AC et marche avec HC.

2. MÉTHODES 2.1 Participants : 10 patients atteints de la maladie de Parkinson idiopathique ont été recrutés dans la communauté locale et dans les cliniques externes de neurologie et de médecine physique et de réadaptation des Cliniques universitaires Saint-Luc (Woluwe-Saint-Lambert, Belgique).

2.2 Évaluation fonctionnelle : Avant le début des expérimentations, tous les participants ont subi une évaluation non nocive comprenant des tests cliniques et des questionnaires

Patients atteints de la maladie de Parkinson : âge, taille, poids, sexe, côté le plus affecté, échelle d'évaluation unifiée de la maladie de Parkinson de la Movement Disorder Society (MDS-UPDRS), mini test des systèmes d'évaluation de l'équilibre (Mini-BESTest), version simplifiée de l'évaluation de la confiance en l'équilibre spécifique aux activités Échelle (ABC-Scale), échelle Hoehn & Yahr modifiée, Mini Mental State Examination (MMSE).

2.3 Procédure : Chaque participant a marché dans trois conditions dans un ordre aléatoire. Chaque condition a duré ± 10 minutes afin d'obtenir 256 cycles de marche obligatoires pour évaluer la présence de LRA en utilisant la version moyenne régulièrement espacée de l'analyse des fluctuations sans tendance (DFA).

La première condition était la condition contrôle (CC), les patients marchant sans aucun repère sur une piste rectangulaire à angle arrondi de 63,2 mètres en CUSL à leur vitesse de marche confortable.

La deuxième condition était la condition de repérage auditif (ACC) et consistait à marcher sur la même piste rectangulaire en utilisant un repérage auditif au moyen d'une application pour smartphone appelée Soundbrenner. Cette application a permis de délivrer avec précision des stimulations auditives rythmiques via des écouteurs rythmés 10 % plus rapidement que la fréquence de pas préférée de chaque patient évaluée avant l'expérience.

La dernière condition était la Haptic Cueing Condition (ACC) et consistait à marcher sur une même piste rectangulaire en utilisant le repérage haptique au moyen d'un dispositif vibratoire appelé Soundbrenner Pulse et fixé au poignet de chaque patient situé du côté le plus atteint. L'application Soundbrenner sur le smartphone a été connectée au Soundbrenner Pulse par Bluetooth pour fournir des stimulations vibratoires rythmiques également rythmées 10 % plus rapidement que la fréquence de pas préférée de chaque patient, la même fréquence que pendant l'ACC.

2.4 Acquisition des données : deux unités de mesure inertielle (IMU) (IMeasureU Research, VICON, États-Unis) ont été enregistrées sur les deux malléoles latérales des patients. Ce système permettait d'enregistrer les accélérations de la cheville à 500 Hz. Les données ont ensuite été mises sur ordinateur et chaque pic d'accélération, correspondant à chaque coup de talon, a été détecté par un logiciel développé en interne pour déterminer toutes les durées de foulée.

2.5 Évaluation de la marche : les données ont été extraites de 256 cycles de marche consécutifs, ce qui est nécessaire pour le calcul de la LRA.

2.5.1 Variables spatio-temporelles de marche :

La vitesse de marche moyenne, la cadence de marche et la longueur de foulée ont été mesurées comme suit :

Vitesse de marche moyenne (m.s-1) = Distance totale de marche (m)/ Durée d'acquisition (s) Cadence de marche (#steps.min-1) = Nombre total de pas (#)/Durée d'acquisition (min) Longueur du pas (m) = Vitesse de marche (m/s)*60/Cadence de marche (pas/min)

2.5.2 Variabilité de la durée de la foulée : La variabilité de la durée de la foulée peut être évaluée de 2 manières : en termes d'amplitude ou en termes d'organisation (comment la durée de la foulée évolue à travers des cycles de marche consécutifs).

2.5.2.1 Magnitude de la variabilité de la durée de la foulée : Pour déterminer l'effet du RAS sur la magnitude de la variabilité de la durée de la foulée pendant 256 cycles de marche, la moyenne, l'écart type (SD) et le coefficient de variation (CV = [SD/ moyenne] * 100) ont été évalués.

2.5.2.2 Organisation temporelle de la variabilité de la durée de la foulée : L'organisation temporelle de la variabilité de la durée de la foulée a été évaluée par le calcul LRA en utilisant la version moyenne espacée uniformément de l'analyse de fluctuation sans tendance (DFA) pour obtenir l'exposant α. La présence de LRA peut être indiquée avec des valeurs d'exposant α comprises entre 0,5 et 1.

Les données ont été traitées au moyen de CVI Labwindows (C++).

2.6 Analyses statistiques : Les analyses statistiques ont été réalisées à l'aide de Sigmaplot 13. Si le test de normalité réussissait, une ANOVA unidirectionnelle à mesures répétées était appliquée pour déterminer l'effet des différentes conditions de marche sur les paramètres spatio-temporels de la marche (vitesse de marche, cadence de marche, longueur de la foulée) et sur les mesures linéaires et non linéaires de la variabilité de la durée de la foulée (CV , SD, H et exposants α). Si une différence significative entre les groupes était détectée avec l'ANOVA, un test post hoc de Holm-Sidak était effectué pour comparer chaque moyenne avec les autres moyens afin d'isoler les groupes les uns des autres. La taille de l'effet entre les conditions concernant tous les paramètres a été évaluée à l'aide de Cohen's d.